Kan du huske den slags optiske illusioner, du sandsynligvis først så som barn, som bruger nogle kombination af farver, lys og mønstre for at skabe billeder, der viser sig at være vildledende eller vildledende for vores hjerner? Det viser sig, at sådanne illusioner - hvor opfattelsen ikke stemmer overens med virkeligheden - faktisk kan være et træk ved hjernen snarere end en fejl. Og at lære en maskine at genkende den samme slags illusioner kan resultere i smartere billedgenkendelse.
Dette er, hvad computersynseksperter fra Brown University har haft travlt med at arbejde på. De lærer computere at se kontekstafhængige optiske illusioner og derved forhåbentlig skabe smartere, mere hjernelignende kunstige synsalgoritmer, der vil vise sig mere robuste i virkeligheden verden.
Anbefalede videoer
"Computersyn er blevet allestedsnærværende, fra selvkørende biler, der analyserer et stopskilt, til medicinsk software, der leder efter tumorer i en ultralyd," David Mely, fortalte en af de kognitive videnskabsforskere, der arbejdede på projektet, nu arbejder hos kunstig intelligens-virksomheden Vicarious, til Digital Trends. "Men disse systemer har svagheder, der stammer fra det faktum, at de er modelleret efter en forældet plan for, hvordan vores hjerner fungerer. Integrering af nyforståede mekanismer fra neurovidenskab som dem, der er omtalt i vores arbejde, kan hjælpe med at gøre disse computersynssystemer mere sikre. Meget af hjernen er stadig dårligt forstået, og yderligere forskning i sammenløbet af hjerner og maskiner kan hjælpe med at låse op for yderligere grundlæggende fremskridt inden for computersyn."
I deres arbejde brugte holdet en beregningsmodel til at udforske og replikere de måder, neuroner interagerer med hinanden på, når de ser en illusion. De skabte en model af feedback-forbindelser af neuroner, som afspejler menneskers, som reagerer forskelligt afhængigt af konteksten. Håbet er, at dette vil hjælpe med opgaver som farvedifferentiering - for eksempel at hjælpe en robot designet til at plukke røde bær at identificere disse bær, selv når scenen er badet i rødt lys, som det kan ske ved solnedgang.
"Der findes en masse indviklede hjernekredsløb for at understøtte sådanne former for kontekstuel integration, og vores undersøgelse foreslår en teori om, hvordan dette kredsløb fungerer på tværs af receptive felttyper, og hvordan dets tilstedeværelse afsløres i fænomener kaldet optiske illusioner,” Mely fortsatte. "Undersøgelser som vores, der bruger computermodeller til at forklare, hvordan hjernen ser, er nødvendige for at forbedre eksisterende computer synssystemer: mange af dem mangler, ligesom de fleste dybe neurale netværk, stadig de mest basale former for kontekst integration."
Mens projektet stadig er i sin relative vorden, har teamet allerede oversat neurale kredsløb til et moderne maskinlæringsmodul. Da det blev testet på en opgave relateret til konturdetektion og kontursporing, overgik kredsløbet markant moderne computervisionsteknologi.
Redaktørens anbefalinger
- Apple er muligvis allerede ved at skære ned i produktionen af Vision Pro
- A.I. leder en revolution af chipdesign, og den er kun lige begyndt
- eBay implementerer computervision for at få sælgernes produkter til at poppe
- Maskinelæring? Neurale netværk? Her er din guide til de mange varianter af A.I.
Opgrader din livsstilDigital Trends hjælper læserne med at holde styr på den hurtige teknologiske verden med alle de seneste nyheder, sjove produktanmeldelser, indsigtsfulde redaktionelle artikler og enestående smugkig.
